Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 304 vistas

    Ejercicios Metodos Estadisticos

    Cargado por

    Emy OoTeam Clés
    El documento presenta un ejercicio estadístico para determinar la relación entre las utilidades de un restaurante y la demanda de dos tipos de catsup. Se calcula un modelo de regresión lineal múltiple y se analizan los parámetros estimados, la significancia del modelo y los intervalos de confianza para las predicciones. El objetivo es establecer si ambas variables independientes afectan las utilidades o solo una de ellas.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Ejercicios Metodos Estadisticos

    Cargado por

    Emy OoTeam Clés
    304 vistas11 páginas
    El documento presenta un ejercicio estadístico para determinar la relación entre las utilidades de un restaurante y la demanda de dos tipos de catsup. Se calcula un modelo de regresión lineal múltiple y se analizan los parámetros estimados, la significancia del modelo y los intervalos de confianza para las predicciones. El objetivo es establecer si ambas variables independientes afectan las utilidades o solo una de ellas.

    Descripción original:

    estadistica

    Título original

    EJERCICIOS METODOS ESTADISTICOS

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta un ejercicio estadístico para determinar la relación entre las utilidades de un restaurante y la demanda de dos tipos de catsup. Se calcula un modelo de regresión lineal múltiple y se analizan los parámetros estimados, la significancia del modelo y los intervalos de confianza para las predicciones. El objetivo es establecer si ambas variables independientes afectan las utilidades o solo una de ellas.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    304 vistas11 páginas

    Ejercicios Metodos Estadisticos

    Cargado por

    Emy OoTeam Clés
    El documento presenta un ejercicio estadístico para determinar la relación entre las utilidades de un restaurante y la demanda de dos tipos de catsup. Se calcula un modelo de regresión lineal múltiple y se analizan los parámetros estimados, la significancia del modelo y los intervalos de confianza para las predicciones. El objetivo es establecer si ambas variables independientes afectan las utilidades o solo una de ellas.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 11

    EJERCICIOS

    1. El dueo de un restaurante de hamburguesas en la ciudad de Mxico desea


    determinar la interrelacin entre la introduccin de aderezos importados y las
    utilidades que recibe.
    Utilidades
    Demanda de catsup nacional
    Demanda de catsup importada

    70
    2
    50

    40
    1
    65

    100
    3
    75

    80
    2
    30

    30
    1
    45

    100
    3
    35

    Con esta informacin determinaremos lo siguiente:


    1.- La ecuacin de regresin lineal mltiple.
    2.- La prueba de significancia del modelo. = 0.05
    3.- Intervalos de confianza del 95 % para los parmetros del modelo.
    4.- Intervalos de confianza del 90 % para la utilidad esperada y la futura cuando la
    demanda de catsup nacional sea de 4 y la de catsup importada de 50.
    5.- El coeficiente de determinacin mltiple.

    De acuerdo al enunciado del ejercicio, Y representa a las utilidades, X 1 representa a la


    demanda de catsup nacional y X2 representa a la demanda de catsup importada.

    El objetivo principal es establecer si las dos variables independientes tienen efecto o


    no sobre las utilidades del restaurante, a fin de establecer diferencias entre las dos. Es
    decir, si es indiferente cual de las dos variables utilizar en el proceso.

    A fin de solucionar cada uno de los incisos del ejercicio, empezaremos calculando las
    sumatorias de los valores de X1, X2 y Y.

    n=
    X1 =
    X12 =
    X2 =
    X22 =

    6
    12
    28
    300
    16500

    X1X2 =
    Y =
    Y2 =
    X1Y =
    SX2Y =

    600
    420
    33800
    970
    20850

    X X 1 X Y

    Puesto que

    entonces:

    12
    300
    6

    12 28

    600

    300 600 16500

    420
    2.833333 0.5 0.033333
    970

    0.5
    0.25
    0

    20850
    0.033333
    0
    .0006666

    420
    10
    970 32.5

    20850
    0.1

    de aqu, entonces, el modelo de regresin lineal mltiple solicitado en el inciso 1 es:

    10 32.5X1 0.1X 2
    Y

    a partir del modelo anterior, podemos concluir lo siguiente:

    El plano de regresin cortar al eje Y en y = 10.


    Por cada incremento en la demanda de catsup nacional, las utilidades se
    incrementarn 32.5 veces, en promedio; siempre y cuando la demanda de
    catsup importada permanezca constante.
    Por cada incremento en la demanda de catsup importada, las utilidades
    disminuirn 0.1 veces, en promedio; siempre y cuando la demanda de catsup
    nacional permanezca constante.

    Para realizar la prueba de significancia en el inciso 2, calcularemos primero los


    valores de Syy, SSR y SSE:

    Syy Y

    n
    420 2
    Syy 33800
    6
    Syy 4400

    SSR X Y

    420
    420 2
    SSR 10 32.5 0.1 970
    6
    20850
    SSR 4240
    SSE Syy SSR
    SSE 4400 4240
    SSE 160

    Planteamos las hiptesis:

    H 0 : 1 2 0
    Ha : i 0

    el nivel de significancia de la prueba ,es de 0.05.

    Realizando la tabla de anlisis de varianza:

    Fuente de
    Variacin

    Suma de
    cuadrados

    Grados
    de
    libertad

    Regresin

    4240

    Error

    160

    Total

    4400

    Media de cuadrados

    MSR
    MSE

    4240
    2120
    2
    160
    53.3333
    3

    Estadstico de prueba

    F0

    2120
    39.75
    53.3333

    El valor de tablas de la distribucin F con = 0.05, v1 = 2 y v2 = 3 grados de libertad en


    el numerador y el denominador, respectivamente, es 9.55.

    Al comparar el estadstico de prueba contra el valor de tablas vemos que F 0 es mayor


    que F, 2, 3; rechazamos la hiptesis nula. Por lo tanto, podemos afirmar que las
    utilidades del restaurante estn significativamente relacionadas con la demanda de
    catsup nacional con la demanda de catsup importada con ambas.

    A fin de determinar exactamente con cuales variables se relaciona la variable Y,


    realizaremos pruebas de hiptesis sobre coeficientes individuales.

    Para determinar si la demanda de catsup nacional tiene efecto o no sobre las


    utilidades, planteamos los siguiente.

    H 0 : 1 0
    H a : 1 0

    el estadstico de prueba es:

    t0

    MSE C11

    32.5
    53.3333 0.25
    t 0 8.9
    t0

    El valor de tablas de la distribucin t-student con = 0.025 y v = 3 grados de libertad


    es 3.182.
    Comparando el valor absoluto del estadstico de prueba con el valor de las tablas,
    notamos que t0 es mayor que t, 3 por lo que rechazamos la hiptesis nula.
    Concluiremos entonces que la demanda de catsup nacional s tiene efecto significativo
    sobre las utilidades del restaurante.
    La siguiente prueba de hiptesis nos permitir determinar si la demanda de catsup
    importada tiene o no efecto sobre las utilidades:

    H0 : 2 0
    Ha : 2 0

    el estadstico de prueba es:

    t0

    MSE C 22

    0.1
    53.3333 0.0006666
    t 0 0.53
    t0

    El valor de tablas de la distribucin t-student con = 0.025 y v = 3 grados de libertad


    es 3.182.

    Al comparar el valor absoluto del estadstico de prueba con el valor de las tablas,
    vemos que t0 es menor que t, 3 por lo que no se puede rechazar la hiptesis nula. Lo
    anterior nos lleva a concluir que no existen los elementos suficientes para afirmar que
    la demanda de catsup importada tenga efecto sobre las utilidades del restaurante.
    En el inciso 3 se pide calcular intervalos de confianza del 95 % para los parmetros del
    modelo (0, 1 y 2)

    Como el intervalo de confianza es del 95 %, el valor de es igual a 0.05.

    El valor de tablas de la distribucin t-student con 0.025 y 3 grados de libertad es de


    3.182

    El intervalo de confianza del 95% para 0 queda de la siguiente manera:

    0 t

    ,n p

    0 t
    MSE C 00 0

    ,n p

    MSE C 00

    10 3.182 53.3333 2.833333 0 10 3.182 53.3333 2.833333


    29.1154 0 49.1154

    Como conclusin, se afirmar con un 95% de certeza que la ordenada en el origen ser
    por los menos -29.1154 y a lo mucho 49.1154. Este es el rango de valores por donde
    cortar el plano al eje Y.
    El intervalo de confianza del 95% para 1 lo calculamos de la siguiente manera:

    1 t

    ,n p

    MSE C11 1 1 t

    ,n p

    MSE C11

    32.5 3.182 53.3333 0.25 1 32.5 3.182 53.3333 0.25


    20.8809 1 44.1190

    Como los dos valores del intervalo resultaron positivos, se puede afirmar con un 95%
    de certeza que por cada incremento en la demanda de catsup nacional, las utilidades
    se incrementarn por lo menos 20.8809 y a lo mucho 44.1190 veces, en promedio;
    siempre y cuando la demanda de catsup importada permanezca constante.
    Por ltimo, para calcular el intervalo de confianza del 95 % para 2:

    2 t

    ,np

    2 t
    MSE C 22 2

    ,np

    MSE C 22

    0.1 3.182 53.3333 .000666 2 0.1 3.182 53.3333 0.000666


    .6997 2 .4997

    En el resultado anterior se tienen un valor negativo y uno positivo a la izquierda y a la


    derecha, respectivamente; simplemente no se puede afirmar que la demanda de
    catsup importada tenga efecto sobre las utilidades.
    En el inciso 4 se requiere calcular intervalos de confianza del 90% para la respuesta
    media y para una observacin futura de la utilidad del restaurante cuando la demanda
    de castup nacional es de 4 y la de catsup importada sea de 50.
    Aqu el intervalo de confianza solicitado es de 90%, por lo que el valor de ser igual
    a 0.10

    El valor de tablas de la distribucin t-student con 0.05 y 3 grados de libertad es: 2.353.
    Primero se tiene que calcular la utilidad estimada cuando X1 = 4 y X2 = 50.
    En forma matricial:

    0 X !0
    Y
    10
    0 1 4 50 32.5
    Y

    0.1
    0 135
    Y

    Cuando la demanda de catsup nacional sea de 4 y la demanda de catsup importada


    sea de 50, las utilidades esperadas del restaurante sern de 135 unidades.

    El intervalo de confianza del 90% para la utilidad esperada est dado por:

    0 t
    Y Y

    ,np

    MSE X !0 X X X 0
    1

    2.83333 0.5 0.03333

    Y 135 2.353 53.33331 4 50 0.5


    0.25
    0

    0.03333
    0
    0.000666

    1
    4

    50

    116.45 Y 153.55

    Se puede afirmar con un 90% de certeza que cuando la demanda de catsup nacional
    sea de 4 y la de catsup importada sea de 50, la utilidad esperada del restaurante ser
    por lo menos 116.45 y a lo mucho 153.55 unidades.

    El intervalo de confianza del 90 % para la observacin futura de la utilidad del


    restaurante bajo las mismas condiciones de X1 y X2 est dado por:

    0 t
    Y0 Y

    ,np

    MSE 1 X !0 X X X 0

    2.83333 0.5 0.03333

    Y0 135 2.353 53.3333 1 1 4 50 0.5


    0.25
    0

    0
    .
    03333
    0
    0
    .
    000666

    109.7139 Y0 160.2861

    1
    4

    50

    Se puede Afirmar con un 90% de certeza que cuando la demanda de catsup nacional
    sea de 4 y la de catsup importada de 50, la utilidad del restaurante ser por lo menos
    109.7139 y a lo mucho 160.2861 unidades.

    Por ltimo, en el inciso 5 se pide calcular e interpretar el coeficiente de determinacin


    mltiple:

    SSR
    Syy
    4240
    R2
    4400
    2
    R .9636
    R2

    Esto indica que el 96.36 % de la variabilidad de la utilidad del restaurante se explica


    mediante el modelo de regresin lineal mltiple:

    10 32.5X1 0.1X 2
    Y

    cuando se utilizan la demanda de catsup nacional y la demanda de catsup importada


    como variables regresoras.

    2. Una Empresa de desarrollo de software establece relacionar sus Ventas en funcin


    del nmero de pedidos de los tipos de software que desarrolla (Sistemas,
    Educativos y Automatizaciones Empresariales), para atender 10 proyectos en el
    presente ao.

    En la Tabla representa Y (Ventas miles de S/.) e X (N pedidos de sistemas), W (N


    de pedidos de Aplicaciones Educativas) y Z (N de pedidos de Automatizaciones
    empresariales).
    Y
    X
    W
    Z

    440
    50
    105
    75

    455
    40
    140
    68

    470
    35
    110
    70

    510
    45
    130
    64

    506
    51
    125
    67

    480
    55
    115
    72

    460
    53
    100
    70

    500
    48
    103
    73

    490
    38
    118
    69

    450
    44
    98
    74

    Objetivo: Se presentara primero el anlisis de regresin mltiple al desarrollar y


    explicar el uso de la ecuacin de regresin mltiple, as como el error estndar
    mltiple de estimacin. Despus se medir la fuerza de la relacin entre las
    variables independientes, utilizando los coeficientes mltiples de determinacin.
    Anlisis de Regresin Mltiple
    Dispone de una ecuacin con dos variables independientes adicionales:

    Se puede ampliar para cualquier nmero "m" de variables independientes:

    Para poder resolver y obtener a,bx y b2 en una ecuacin de regresin mltiple el


    clculo se presenta muy tediosa porque se tiene atender 3 ecuaciones que se
    generan por el mtodo de mnimo de cuadrados:

    Para poder resolver se puede utilizar programas informticos como AD+, SPSS y
    Minitab y Excel.
    El error estndar de la regresin mltiple

    Es una medida de dispersin la estimacin se hace ms precisa conforme el grado


    de dispersin alrededor del plano de regresin se hace mas pequeo. Para medirla
    se utiliza la formula:

    : Valores observados en la muestra

    Y : Valores estimados a partir a partir de la ecuacin de regresin n : Nmero


    de datos
    m : Nmero de variables independientes
    El coeficiente de determinacin mltiple r
    Mide la tasa porcentual de los cambios de Y que pueden ser explicados por X j , x2 y X3 simultneamente.

    III. APLICACION
    MULTIPLE

    DE

    REGRESION

    Mediante el siguiente problema podremos ilustrar la aplicacin de Regresin


    Mltiple:
    En la Facultad de Ingeniera de Sistemas se quiere entender los factores de
    aprendizaje de los alumnos que cursan la asignatura de PHP, para lo cual se escoge
    al azar una muestra de 15 alumnos y ellos registran notas promedios en las
    asignaturas de Algoritmos, Base de Datos y Programacin como se muestran en el
    siguiente cuadro.
    Alumno
    PHP
    Algoritmos
    Base de Programaci
    n
    Datos
    1
    13
    15
    15
    13
    2
    13
    14
    13
    12
    3
    13
    16
    13
    14
    4
    15
    20
    14
    16
    5
    16
    18
    18
    17
    6
    15
    16
    17
    15
    7
    12
    13
    15
    11
    8
    13
    16
    14
    15
    9
    13
    15
    14
    13
    10
    13
    14
    13
    10

    11
    12
    13
    14
    15

    11
    14
    15
    15
    15

    12
    16
    17
    19
    13

    12
    11
    16
    14
    15

    10
    14
    15
    16
    10

    Lo que buscamos es construir un modelo para determinar la dependencia que exista


    de aprendizaje reflejada en las notas de la asignatura de PHP, conociendo las notas
    de las asignaturas Algoritmos, Base de Datos y Programacin. Se presentara la
    siguiente ecuacin a resolver:
    Y = a + 61x1 + b 2 x 2 + 3x3
    Utilizando las formulas de las ecuaciones normales a los datos obtendremos los
    coeficientes de regresin o utilizando Regresin de Anlisis de datos, en la Hoja de
    Calculo de Excel podemos calcular tambin los coeficientes de regresin:

    /
    Intercepcin/
    Algoritmos /
    Base de
    Datos \
    Programaci
    n,

    Coeficiente
    Estadstico
    s 'Error tpico
    2.551 \
    2.369
    1.077
    0.583
    0.267
    2.186
    0.373
    0.144
    2.589
    -0.242 / 0.270

    -0.893

    p-vaior
    0.305
    0.051
    0.025
    0.391

    inferior
    Superior
    95%
    95%
    -2.663
    7.766
    -0.004
    1.169
    0.056
    0.691
    -0.837

    Por lo tanto podemos construir la ecuacin de regresin que buscamos:


    Y = 2.551 + 0.583^ + 0.373JC2 -0.242*.

    0.354

    También podría gustarte